Python学习（二）numpy包

本文记录 numpy 包中查漏补缺的部分

1.简介

数据分析的基础包

• 主要对象：同类元素的多维数组
• array：只处理一位数组
• ndarray：可创建高维数组

2.ndarray

1. 列0 行1 层2

3.内置函数

1. np.rint()：四舍五入
2. np.where()：三元运算

4.统计函数

1. np.cumsum(arr, axis = 1/0)：按行/列求和

5.比较函数

1. np.any()：矩阵a和矩阵b中对应元素是否有一个相等
2. np.all()：矩阵a和矩阵b中所有对应元素是否全都相等

6.去重函数

np.unique()：将多维数组去重后成为一维数组

import numpy as np

arr = np.array([[1, 2, 3, 1], [2, 3, 4, 5]])
print("arr数组未去重:", arr)
print("arr数组去重:", np.unique(arr))

# 运行结果
arr数组未去重: [[1 2 3 1][2 3 4 5]]
arr数组去重: [4 5]

7.抽取函数

np.extract()

import numpy as np

a = np.arange(10)
# 生成一个抽取元素的花式索引
condition = a % 2 == 0  # 赋值/算术/逻辑运算符优先级
print("花式索引", condition)
even1 = np.extract(condition, a)
print("偶数项:", even1)

# take()/compress()
# np.ndarray.compress():返回一个根据给定条件筛选后的数组
even2 = a.compress(condition)
print("返回给定条件后的数组:", even2)

# 运行结果
花式索引 [ True False  True False  True False  True False  True False]
偶数项: [0 2 4 6 8]
返回给定条件后的数组: [0 2 4 6 8]

8.线性代数

1. np.linalg.inv(A)：矩阵A的逆矩阵
2. np.linalg.solve(A, B)：求解方程AX=B
3. np.linalg.eigvals(v)：求解A的特征值
4. np.linalg.eig(v)：求解A的特征向量
5. np.linalg.det(A)：矩阵A的行列式